3

样品 1- 砖 样品 2- 球体

我已经计算了 Sobel 梯度大小和方向。但我坚持如何进一步使用它进行形状检测。

图像>灰度>索贝尔过滤>索贝尔梯度和方向计算>下一步？

使用的 Sobel 内核是：

Kx = ([[1, 0, -1],[2, 0, -2],[1, 0, -1]]) 
Ky = ([[1, 2, 1],[0, 0, 0],[-1, -2, -1]])

（我有限制只能使用 Numpy 而不能使用 Python 语言的其他库。）

import numpy as np
def classify(im):

   #Convert to grayscale
   gray = convert_to_grayscale(im/255.)

   #Sobel kernels as numpy arrays

   Kx = np.array([[1, 0, -1],[2, 0, -2],[1, 0, -1]]) 
   Ky = np.array([[1, 2, 1],[0, 0, 0],[-1, -2, -1]])

   Gx = filter_2d(gray, Kx)
   Gy = filter_2d(gray, Ky)

   G = np.sqrt(Gx**2+Gy**2)
   G_direction = np.arctan2(Gy, Gx)

   #labels = ['brick', 'ball', 'cylinder']
   #Let's guess randomly! Maybe we'll get lucky.
   #random_integer = np.random.randint(low = 0, high = 3)

   return labels[random_integer]

def filter_2d(im, kernel):
   '''
   Filter an image by taking the dot product of each 
   image neighborhood with the kernel matrix.
   '''

    M = kernel.shape[0] 
    N = kernel.shape[1]
    H = im.shape[0]
    W = im.shape[1]

    filtered_image = np.zeros((H-M+1, W-N+1), dtype = 'float64')

    for i in range(filtered_image.shape[0]):
        for j in range(filtered_image.shape[1]):
            image_patch = im[i:i+M, j:j+N]
            filtered_image[i, j] = np.sum(np.multiply(image_patch, kernel))

    return filtered_image

def convert_to_grayscale(im):
    '''
    Convert color image to grayscale.
    '''
    return np.mean(im, axis = 2)
4

1 回答 1

1

您可以使用形状的以下显着特征：

  • 一块砖有几个直边（从四个到六个，取决于视角）；

  • 一个球体有一个弯曲的边缘；

  • 圆柱体有两个弯曲的边缘和直的边缘（尽管它们可以完全隐藏）。

使用二值化（基于亮度和/或饱和度）并提取轮廓。然后找到直线部分，可能使用 Douglas-Peucker 简化算法。最后，分析直边和曲边的顺序。

解决最终分类任务的一种可能方法是将轮廓表示为一串块，无论是直的还是弯曲的，并带有粗略的长度指示（短/中/长）。如果分割不完美，每个形状都会对应一组图案。

您可以使用训练阶段来学习最多的模式，然后使用字符串匹配（字符串被视为循环）。可能会有需要仲裁的关系。另一种选择是近似字符串匹配。

于 2018-09-11T10:13:24.380 回答